-
公开(公告)号：CN114154486B
公开(公告)日：2025-04-01
申请号：CN202111320100.9
申请日：2021-11-09
Applicant: 浙江大学
IPC: G06F40/232 , G06F40/216 , G06F40/242 , G06F40/30 , G06F16/353 , G06N3/0455 , G06N3/0499 , G06N3/045 , G06N3/0442 , G06N3/09 , G06N3/048
Abstract: 本发明公开一种针对中文语料拼写错误的智能纠错系统。该智能检测仪由文本特征提取模块、文本错误识别模块、文本错误校正模块三个模块构成。本发明不需要对含错文本进行人工标注，具有实现方法简单、识别精度高、鲁棒性好等特点。
-
公开(公告)号：CN119206323A
公开(公告)日：2024-12-27
申请号：CN202411247209.8
申请日：2024-09-06
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/082
Abstract: 本发明公开一种基于多级互补的脉冲神经网络模型的图像分类方法。该方法包括获取图像分类数据集；构建多级互补的脉冲神经网络模型，包括：使用传统LIF神经元结构，构建SNN网络模型；对SNN网络模型中的LIF神经元结构进行重构，引入多级激活设计，所述多级激活设计使用多个小神经元结构构建一个新的多级神经元结构；在引入多级激活设计后，接着引入互补势能，实现互补激活设计，即得到多级互补神经元结构；使用图像分类数据集训练所述多级互补的脉冲神经网络模型，训练好的多级互补的脉冲神经网络模型用于图像分类；本发明提升了图像分类的准确性。
-
公开(公告)号：CN114968788B
公开(公告)日：2024-08-06
申请号：CN202210594679.6
申请日：2022-05-27
Applicant: 浙江大学
Abstract: 本发明公开了一种人工智能算法编程能力自动评估方法、装置、介质及设备，属于人工智能领域。本发明提供了一种自动化代码评测流程，可针对用户提交的代码进行自动评估，并在评估后针对模型表现和可解释性结果得出的评分和模型优化建议，便于用户在学习过程中快速上手人工智能算法。同时，本发明提供了智能化的数据预处理流程，可让用户专注于构建模型算法本身，而不需要关注模型算法之外其他的处理流程，从而使用户能够聚焦于学习人工智能算法中的核心内容。本发明能够提供多维度的结果分析，且模型中不同超参数、输入特征的设置效果一目了然，以便于用户对模型进行有效改进。
-
公开(公告)号：CN112434686B
公开(公告)日：2023-05-23
申请号：CN202011280156.1
申请日：2020-11-16
Applicant: 浙江大学
IPC: G06V30/14 , G06V30/164 , G06V30/19 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了针对OCR图片的端到端含错文本分类识别仪，用于对OCR图片中存在文字识别错误的信息实现端到端的纠错并分类，包括OCR信息提取模块、含错文本纠错模块、文本分类模块以及信息蒸馏模块。本发明为了克服已有的OCR图片识别文字和含错文本分类系统相互独立、需要多阶段分步识别纠错并推理类别的缺点，通过结合高效、高精度且可学习的信息蒸馏模块，以及可以充分利用大量历史数据、可拓展性强的文本纠错模块和文本分类模块，建立了针对OCR图片含错文本分类问题的兼具精度和效率的端到端分类系统，能够很好地利用OCR信息实现具有高鲁棒性高适应性高敏捷性的含错文本分类识别仪。
-
公开(公告)号：CN112926383B
公开(公告)日：2023-03-03
申请号：CN202110025071.7
申请日：2021-01-08
Applicant: 浙江大学
IPC: G06V20/05 , G06V10/30 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于水下激光图像的目标自动识别系统，基于水下激光图像实现水下目标的自动特征提取和目标识别，采用包含一个或多个水下目标的激光图像作为输入，通过图像增强提高水下激光图像质量，基于构建的水下激光图像数据库进行水下激光目标自动特征提取和识别模型建模，并使用构建的识别模型进行新水下激光目标识别。本发明实现了自动特征提取和目标识别，可识别同一水下激光图像中多个目标，具有准确率高、速度快、可靠性强等优点，解决了常规水下激光目标识别步骤繁琐、只适用于单目标、识别准确率低、速度慢等缺点。
-
Patent Agency Ranking
公开(公告)号：CN115391544A
公开(公告)日：2022-11-25
申请号：CN202211244693.X
申请日：2022-10-12
Applicant: 浙江大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06N3/08
Abstract: 本发明公开了一种基于强编码和中文分词的中文文本分拣系统，该系统基于强编码模型和中文分词数据实现中文文本分拣，首先获取包含大量中文文本及对应标签的数据库，采用带标签的中文文本数据作为输入，对中文文本进行分词后再编码成机器可识别格式，将该编码后的句子输入中文文本分拣模型进行模型训练，得到训练好的模型便可用于新获取的中文文本自动分拣。本发明实现了自动化、高准确率的中文文本分拣，考虑了中文字词的前后关系，克服了人工进行文本分拣效率低以及传统方法准确率低的不足，可广泛应用并有助于军事情报分拣、新闻主题分类和电影评论分类等领域的智能化。
-
公开(公告)号：CN114708472B
公开(公告)日：2022-09-09
申请号：CN202210629969.X
申请日：2022-06-06
Applicant: 浙江大学
IPC: G06V10/774 , G06V10/778 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/70 , G06F40/279 , G06F40/242 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种面向AI实训的多模态数据集标注方法、装置及电子设备，属于计算机视觉领域。本发明通过基于深度学习技术和图对齐融合的场景图生成算法，利用图像描述的弱监督信息产生第一类场景图，进一步与基于图像生成的第二类场景图进行对齐和融合，最终产生候选的初始场景图作为人工标注的参考，避免了错误标注和漏标注。本发明可为多模态数据集的人工标注提供智能标注提示，使得人工标注时仅需优化侯选的场景图即可，大大降低了标注规模和标(56)对比文件吴超.融合颜色数据与深度数据的背景建模算法研究《.中国优秀硕士论文全文库 信息科技》.2019,陈烨.多模态知识图谱构建与应用研究综述《.计算机应用研究》.2021,Xia, Jinbiao.Lightweight Self-Attention Residual Network forHyperspectral Classification《.IEEEGEOSCIENCE AND REMOTE SENSING LETTERS》.2022,
-
公开(公告)号：CN114968788A
公开(公告)日：2022-08-30
申请号：CN202210594679.6
申请日：2022-05-27
Applicant: 浙江大学
Abstract: 本发明公开了一种人工智能算法编程能力自动评估方法、装置、介质及设备，属于人工智能领域。本发明提供了一种自动化代码评测流程，可针对用户提交的代码进行自动评估，并在评估后针对模型表现和可解释性结果得出的评分和模型优化建议，便于用户在学习过程中快速上手人工智能算法。同时，本发明提供了智能化的数据预处理流程，可让用户专注于构建模型算法本身，而不需要关注模型算法之外其他的处理流程，从而使用户能够聚焦于学习人工智能算法中的核心内容。本发明能够提供多维度的结果分析，且模型中不同超参数、输入特征的设置效果一目了然，以便于用户对模型进行有效改进。
-
公开(公告)号：CN114707654B
公开(公告)日：2022-08-23
申请号：CN202210628435.5
申请日：2022-06-06
Applicant: 浙江大学
IPC: G06N5/04 , G06N3/08 , G06K9/62 , G06F16/904
Abstract: 本发明公开了一种基于人工智能框架的算法训练推理性能可视化方法及装置，属于深度学习技术领域。本发明能够将深度学习模型在人工智能框架上的算法训练或推理过程的数据转换为通用的Protobuf数据格式，通过计算深度模型网络中的节点延迟和节点效率来可视化人工智能框架的性能表现，方便用户分析和优化算法模型。本发明提供了比较不同人工智能框架的算法训练或推理性能的方法，适用于不同的人工智能框架，为用户比较和选择合适的人工智能框架以及优化模型结构提供帮助。
-
公开(公告)号：CN114707471A
公开(公告)日：2022-07-05
申请号：CN202210628381.2
申请日：2022-06-06
Applicant: 浙江大学
IPC: G06F40/166 , G06F40/103 , G06F16/438
Abstract: 本发明公开了一种基于超参数评估图算法的人工智能课件制作方法及装置，属于人工智能领域。本发明借助模块化与组件化的低代码开发平台，根据用户在实训项目创建环节对低代码开发平台上功能组件的拖拽指令，将数据组件、模型组件和可视化组件加入实训项目中，并根据用户输入的建立链接指令在实训项目的各功能组件之间建立拓扑连接关系，最后通过代码补全并生成可执行文件，从而在线创建具有可视化功能的人工智能实训项目，并进一步与用户创建的文稿课件关联整合生成人工智能课件。本发明可实现交互式课程制作开发，无需编码或使用少量代码便可实现教育行业人工智能实训需求，使得教师能够使用可视化工具开发自己的课件，免去代码编写工作。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.031 seconds)
